Skeletons Don’t Lie: Kan AI dekode bevegelsene dine?

🦴📊 Skeletons Don’t Lie: Kan AI dekode bevegelsene dine? 🤖

---

🧾 Beskrivelse

Vi har fått et datasett som inneholder sekvenser av menneskelige bevegelser, hver sammensatt av flere rammer (FrameNumber).
Hver ramme inkluderer 3D-posisjonene til 25 kroppsledd, representert ved koordinatene:
J1X, J1Y, J1Z, ..., J25X, J25Y, J25Z.

Hver ramme er assosiert med en sekvensidentifikator (IDSample) og to etiketter:

• Action — handlingen som utføres
• Camera — kameraet som tok opp sekvensen

For å bedre forstå den romlige fordelingen av de 25 leddene:

---

🔢 Mulige handlinger

• 0: ta på jakke
• 1: ta av en hatt/lue
• 2: hinke (hoppe på ett ben)
• 3: hoppe opp
• 4: falle

---

🎥 Mulige kameraer

• 1: 45° vinkelvisning (venstre eller høyre)
• 2: frontvisning
• 3: sidevisning (venstre eller høyre)

---

🧮 Deloppgave 1 — Telle rammer per sekvens (10 poeng)

For hver unike IDSample, bestem hvor mange rammer som er tilgjengelige i testdatasettet (test_data.csv).
Denne analysen hjelper med å forstå den tidsmessige og romlige fordelingen av dataene for hver handling.

---

🧠 Deloppgave 2 — Klassifisering av handling på sekvensnivå (40 poeng)

Bruk treningsdataene til å trene en klassifiseringsmodell som er i stand til å gjenkjenne handlingen utført i en sekvens av rammer.
Bruk modellen på testdataene og forutsi den mest sannsynlige handlingen for hver unike IDSample.

📊 Evalueringsmetrikk

Modellens ytelse vil bli evaluert ved hjelp av nøyaktighet (accuracy), definert som:

For å få full poengsum må den oppnådde nøyaktigheten være minst 0.965.

---

🎥 Deloppgave 3 — Kameraidentifikasjon (50 poeng)

Bruk trenings dataene til å trene en modell som er i stand til å forutsi hvilket kamera som tok opp en gitt sekvens av rammer.
Bruk modellen på testsettet og spesifiser det kameraet som er forutsagt som mest sannsynlig for hver IDSample.

📊 Evalueringsmetrikk

Modellens ytelse evalueres igjen ved hjelp av nøyaktighet (accuracy), definert som:

For å få full poengsum må den oppnådde nøyaktigheten være minst 0.8.

---

📦 Utdataformat

Sluttresultatet må være en CSV-fil med navnet output.csv, som inneholder nøyaktig 3 kolonner:

subtaskID	datapointID	answer
1	IDSample fra test_data.csv	tilsvarende svar for den deloppgaven

---

🗂️ Nyttige ressurser

• Komplett Starter Kit – inkluderer et skjelett for å begynne å løse problemet.
• Oppgavebeskrivelse PDF – inneholder den detaljerte beskrivelsen av oppgaven og figurer.